Meta推出首个实时音频感知模型 Muse Voice Transcribe，并通过 Meta Model API 提供调用，定价为每1000分钟音频3美元。该模型整合流式语音识别、说话人分离和端点检测，可在20余名说话者的录音中自动分轨转写，支持超过1小时音频及70多种语言，25种语言已完成验证。Meta称其截至2026年9月1日位列 Artificial Analysis 流式语音转文本榜首。
Meta推出首个实时音频感知模型 Muse Voice Transcribe，并通过 Meta Model API 提供调用，定价为每1000分钟音频3美元。该模型整合流式语音识别、说话人分离和端点检测，可在20余名说话者的录音中自动分轨转写，支持超过1小时音频及70多种语言，25种语言已完成验证。Meta称其截至2026年9月1日位列 Artificial Analysis 流式语音转文本榜首。